什么是 Hugging Face Skills？

它是遵循 Agent Skills 标准的技能定义集合，以自包含文件夹形式打包指令、脚本和资源，供 AI 编程代理执行 Hugging Face 生态中的 AI/ML 任务。

支持哪些 AI 编程代理？

兼容 Claude Code、Codex、Gemini CLI 和 Cursor。

推荐首先安装哪个技能？

推荐先安装 hf-cli 技能，它教代理使用所有 hf 命令，是核心 Hub 操作的引导路径。

如何安装额外的技能？

安装 hf-cli 后，可以使用 hf skills add 命令按需安装其他工作流技能。

如果我的代理不支持 Skills 格式怎么办？

可以直接使用仓库中 agentsmd/AGENTS.md 文件作为指令的回退方案。

September 26, 2026

Hugging Face Skills

AI & Machine Learning Prompt Engineering & Skill Management0

Get resource

为 AI 编程代理提供 Hugging Face 生态的标准化技能定义，覆盖模型训练、部署、数据集管理等任务。

Apache-2.0Claude CodeCursorText InputImage InputCode InputDocument InputText OutputCode OutputDocument Output

Skill广场 Skill Packaging

安装 / 调用方式bash

# Claude Code
/plugin marketplace add huggingface/skills
/plugin install hf-cli@huggingface/skills

# 安装其他技能
hf skills add <skill-name>

# Gemini CLI
gemini extensions install https://github.com/huggingface/skills.git --consent

Product facts

Type: AI Skill & Agent
Category: AI & Machine Learning › Prompt Engineering & Skill Management
Pricing: Open source
Platforms: Claude Code · Cursor
License: Apache-2.0
Launched: Sep 26, 2026
Listed: Sep 26, 2026
Website: github.com

Overview

GitHub GitHub

## 简介 Hugging Face Skills 是一个开源仓库，提供遵循 [Agent Skills](https://agentskills.io/home) 标准的技能定义集合。这些技能以自包含文件夹的形式组织，每个文件夹包含一个带有 YAML frontmatter 的 `SKILL.md` 文件以及配套的脚本和资源，供 AI 编程代理在执行特定 AI/ML 任务时调用。 ## 解决什么问题 AI 编程代理（如 Claude Code、Codex、Gemini CLI、Cursor）在与 Hugging Face Hub 交互时，需要明确的指令和上下文。该仓库将这些指令标准化为可安装的技能包，使代理能够完成模型搜索与下载、数据集管理、SageMaker 部署规划、本地推理环境配置、模型微调等复杂工作流，而无需用户手动编写大量提示词或脚本。 ## 主要能力 - **Hub 操作**：通过 `hf-cli` 技能，代理可以执行所有 `hf` 命令，包括搜索模型、管理数据集和 bucket、启动 Spaces、运行 jobs 等。 - **AWS / SageMaker 集成**：提供 AWS 上下文发现、Python 环境配置、SageMaker 部署规划、IAM 预检、生产环境默认配置、服务镜像选择等一系列技能。 - **模型评估与训练**：支持使用 inspect-ai 和 lighteval 进行社区评估，使用 TRL 或 Unsloth 进行语言与视觉模型的微调。 - **本地推理**：通过 `huggingface-local-models` 技能在 CPU、Mac Metal、CUDA 或 ROCm 上使用 llama.cpp 和 GGUF 运行模型；通过 `hf-mem` 估算加载 Safetensors 或 GGUF 权重所需的内存。 - **应用构建**：支持构建 Gradio Web UI、在 Hugging Face Spaces 上部署应用、为 LoRA 构建演示空间。 - **论文与数据集**：查询和阅读 Hugging Face 论文页面，使用 Dataset Viewer API 进行数据检索和过滤。 ## 安装方式推荐首先安装 `hf-cli` 技能作为引导路径。不同宿主工具的安装方式如下： - **Claude Code**：通过 `/plugin marketplace add huggingface/skills` 注册市场，再 `/plugin install hf-cli@huggingface/skills` 安装。 - **Codex**：将技能文件夹复制或符号链接到 `.agents/skills` 目录。 - **Gemini CLI**：使用 `gemini extensions install` 命令从本地或 GitHub URL 安装。 - **Cursor**：通过 Cursor 插件流程从仓库 URL 安装，仓库内包含 `.cursor-plugin/plugin.json` 和 `.mcp.json` 清单。其他技能可通过 `hf skills add <skill-name>` 按需安装。如果代理不支持技能格式，可使用仓库中的 `agentsmd/AGENTS.md` 作为回退方案。 ## 适合谁适合使用 AI 编程代理进行机器学习开发、希望在 Hugging Face 生态中自动化工作流的开发者与研究人员。

Key features

hf-cli Hub 操作：教代理使用所有 hf 命令，涵盖模型搜索、数据集管理、Spaces 启动和 jobs 运行。
SageMaker 部署规划：协调并规划将模型部署到 Amazon SageMaker AI 的流程。
AWS 上下文发现：在 AWS 任务开始时自动发现用户的本地 AWS profile、region 和 account ID。
SageMaker IAM 预检：在部署或训练前确保存在可用的 SageMaker 执行角色。
SageMaker 生产默认配置：创建带自动扩缩容、CloudWatch 告警和标签的 SageMaker 端点。
服务镜像选择：为 SageMaker 模型部署选择合适的 serving 容器并查找其 image URI。
模型内存估算：估算从 Hub 加载 Safetensors 或 GGUF 模型权重进行推理所需的内存。
模型推荐与比较：根据基准测试分数帮助用户查找、比较和推荐特定任务的模型。
社区模型评估：使用 inspect-ai 和 lighteval 在本地硬件上对 Hub 模型运行评估。
Dataset Viewer API 工作流：支持获取元数据、分页、文本搜索、过滤、下载 parquet URL 等数据集操作。
Gradio 应用构建：指导代理使用 Python 构建 Gradio Web UI 和演示。
LLM 微调训练：使用 TRL 或 Unsloth 配合 Hugging Face Jobs 基础设施训练或微调语言与视觉模型。

Releases

Notify me

Initial · Hugging Face Skills

September 26, 2026

Q&A

什么是 Hugging Face Skills？AI-generated: 它是遵循 Agent Skills 标准的技能定义集合，以自包含文件夹形式打包指令、脚本和资源，供 AI 编程代理执行 Hugging Face 生态中的 AI/ML 任务。
支持哪些 AI 编程代理？AI-generated: 兼容 Claude Code、Codex、Gemini CLI 和 Cursor。
推荐首先安装哪个技能？AI-generated: 推荐先安装 hf-cli 技能，它教代理使用所有 hf 命令，是核心 Hub 操作的引导路径。
如何安装额外的技能？AI-generated: 安装 hf-cli 后，可以使用 hf skills add <skill-name> 命令按需安装其他工作流技能。
如果我的代理不支持 Skills 格式怎么办？AI-generated: 可以直接使用仓库中 agentsmd/AGENTS.md 文件作为指令的回退方案。
这个仓库使用什么许可证？AI-generated: 使用 Apache-2.0 许可证。